Целое программирование в проектировании энергоэффективных строительных систем

Роль целочисленного программирования в оптимизации энергопотребления зданий

Современные здания составляют примерно 40% мирового потребления энергии и аналогичную долю выбросов углекислого газа. Сокращение этого следа требует тщательных дизайнерских решений, которые выходят за рамки простой интуиции. Архитекторы и инженеры должны выбирать правильное количество окон, размер нагрева и охлаждения оборудования, выбирать толщину изоляции и планировать работу оборудования - все это при сохранении бюджета и поддержании комфорта жильцов. Многие из этих вариантов включают целые числа: вы не можете установить половину чиллера или разместить солнечную панель на дробном наклоне. Именно здесь целое программирование, ветвь математической оптимизации, становится незаменимым. Формулируя проблемы проектирования зданий как целые модели программирования, практикующие могут систематически идентифицировать конфигурации, которые минимизируют использование энергии или стоимость жизненного цикла, что делает его одним из самых мощных инструментов в инструментарий устойчивого проектирования.

Понимание целочисленного программирования

Что делает программирование целых чисел различным

Целое программирование (IP) - это класс оптимизации, где по меньшей мере одна переменная решения ограничена целыми значениями. Это контрастирует с линейным программированием (LP), где все переменные могут принимать любое реальное число. В дизайне здания, целочисленные переменные естественным образом возникают: вы не можете выбрать 2,7 единиц HVAC или 3,2 окна. Более распространенными являются бинарные целочисленные переменные - переменные, которые принимают только значения 0 или 1 - используются для представления решений «да/нет», например, для установки конкретного оборудования или какой ориентации выбрать для оконного банка.

Смешанное целое программирование

Наиболее практичной формой для построения приложений является смешанное целое число программирования (MIP), которое включает в себя как целые, так и непрерывные переменные. Например, количество солнечных панелей (целое число) и их угол наклона (непрерывный) могут быть оптимизированы одновременно. Модели MIP более реалистичны, но вычислительно сложнее решить, чем чистые задачи LP. Однако современные решатели, такие как CPLEX, Gurobi и альтернативы с открытым исходным кодом (например, HiGHS), могут обрабатывать тысячи целых переменных, что делает MIP возможным для оптимизации всего здания.

Как структурированы целочисленные модели программирования

Каждая модель IP имеет три компонента:

Решитель ищет комбинацию целых и непрерывных значений, которая дает наилучшую цель, удовлетворяя всем ограничениям. Поскольку пространство поиска растет экспоненциально с количеством целых переменных, эвристические и связанные с ветвями методы используются для эффективного обрезки поиска.

Ключевые приложения в энергоэффективном дизайне зданий

Выбор и калибровка системы возобновляемых источников энергии

Одним из наиболее эффективных применений целочисленного программирования является размерность систем возобновляемой энергии. Типичная проблема включает в себя решение о том, сколько солнечных фотоэлектрических (PV) панелей, ветряных турбин или аккумуляторных блоков установить, наряду с их емкостью, чтобы соответствовать профилю нагрузки здания. Целые переменные захватывают дискретные модели оборудования (например, панель 300 & nbsp;W против панели 400 & nbsp;W) и устанавливать ли систему вообще. Непрерывные переменные могут представлять угол наклона или состояние заряда батареи.

Исследования показывают, что модели MIP могут снизить уравновешенную стоимость энергии (LCOE) на 10-20% по сравнению с простыми эмпирическими правилами, особенно в сочетании с тарифами на электроэнергию во время использования. Модель может переносить возобновляемую генерацию в соответствии с пиковым спросом, хранить избыточную энергию в батареях и учитывать такие ограничения, как площадь крыши и пропускная способность конструкции. Хорошо известный пример из Национальной лаборатории возобновляемых источников энергии (NREL) использует смешанные целочисленные программы для оптимизации за счетметровых систем хранения солнечной энергии для коммерческих зданий, демонстрируя значительную экономию.

Проектирование и планирование системы HVAC

Системы отопления, вентиляции и кондиционирования воздуха (HVAC) часто составляют 40-60% потребления энергии зданием. Целое программирование помогает двумя способами: , размер , размер оборудования и , планирование его работы. Для размеров, целочисленные переменные выбирают среди дискретных размеров чиллера, котла и воздухообработки. Целью может быть минимизация комбинации капитальных затрат и ежегодных затрат на энергию (включая расходы на спрос).

Для планирования, целочисленное программирование контролирует, когда оборудование включается или выключается (двоичные переменные) и какая зона получает кондиционирование на каком уровне. Это особенно ценно для систем переменного потока хладагента (VRF) или контуров охлажденной воды, где несколько единиц разделяют нагрузку. Планировщик на основе MIP может снизить пиковый спрос, ошеломляя время запуска и предварительно охлаждая тепловую массу в непиковые часы. Исследования показывают, что оптимизированное планирование может сократить потребление энергии HVAC на 15-30% по сравнению с обычными PID или основанными на правилах элементами управления.

Пример: секвенирование чиллера

Рассмотрим здание с пятью идентичными чиллерами, каждый с дискретной мощностью 100 тонн. Охлаждающая нагрузка варьируется в течение дня. Целая модель программирования будет решать, сколько чиллеров работать (0-5) и при каком соотношении загрузки. Ограничения гарантируют, что общая мощность соответствует загрузке, и что чиллеры работают эффективно (избегая очень низких загрузок, которые тратят энергию). Цель минимизирует общее потребление энергии, включая кривые эффективности загрузки. Это простое целое решение может сэкономить тысячи долларов в год.

Оптимизация контура здания: изоляция и окна

Оболочка здания — стены, крыша, окна и двери — определяет, сколько тепла поступает или уходит. Целое программирование оптимизирует размещение и тип этих компонентов. Для окон целые переменные выбирают среди заранее определенных типов окон (двойной слой низкого-е, тройной-панель и т. д.) и решают, устанавливать ли окно на заданный сегмент стены. Непрерывные переменные обрабатывают соотношение окна к стене и глубину затенения.

Для изоляции, целочисленное программирование может выбрать среди дискретных толщин изоляции (например, 2, 4, 6 дюймов) для каждой поверхности здания. Цель может минимизировать общую энергию нагрева и охлаждения в течение года, при условии бюджетного ограничения. Ограничения также обеспечивают структурную целостность и соответствие коду. В документе в Энергетика и здания продемонстрировано, что оптимизация оболочки на основе MIP может снизить потребление энергии до 25% по сравнению со стандартной практикой, с наибольшим приростом в климате с большими сутками перепадов температуры.

Дизайн и контроль системы освещения

На освещение приходится примерно 15% энергопотребления коммерческого здания. Целое программирование оптимизирует выбор светильников (различные мощности и эффективность), размещение датчиков дневного света и планирование уровней затемнения. Двоичные переменные решают, какие светильники устанавливать и какие являются затемняемыми; непрерывные переменные устанавливают уровни затемнения. Ограничения включают достижение минимальных уровней освещенности в каждом рабочем пространстве и равномерное распределение света. Модель минимизирует общее использование электроэнергии при учете сбора дневного света - где датчики настраивают искусственный свет на основе доступного дневного света. Исследования показывают, что IP-оптимизированные конструкции освещения уменьшают потребление энергии на 30-50% по сравнению с неоптимизированными светодиодными установками.

Преимущества целочисленного программирования в дизайне зданий

экономически эффективное принятие решений

Основным преимуществом целочисленного программирования является возможность находить решения, которые уравновешивают капитальные затраты с операционной экономией. Например, инвестирование в высокопроизводительные окна может быть дорогостоящим авансом, но экономит энергию на десятилетия. Модель IP может оценивать компромиссы в тысячах сценариев и определять оптимальную точку. Эта явная балансировка предотвращает перерасход средств на функции с предельной отдачей и избегает недорасхода, что приводит к высоким счетам за коммунальные услуги.

Энерго- и углеродное сокращение

Оптимизируя каждый дискретный и непрерывный аспект энергетических систем здания, целое программирование напрямую снижает потребление энергии и связанные с ним выбросы парниковых газов. Министерство энергетики США (FLT:0) финансировало несколько проектов, используя MIP для проектирования зданий с нулевым энергопотреблением, достигая 40-60% снижения интенсивности использования энергии по сравнению с минимальным кодом зданий. В сочетании с возобновляемой энергией целое программирование может помочь зданиям приблизиться или достичь нулевого статуса.

Поддержка сертификации зеленого строительства

Целые модели программирования могут включать в себя показатели устойчивости, необходимые для сертификации, такие как LEED, BREEAM или Passive House. Например, кредит LEED v4.1 требует оптимизации энергоэффективности с использованием моделирования всего здания; IP-модель, которая минимизирует использование энергии, непосредственно способствует этому кредиту. Аналогичным образом, модель может учитывать воплощенный углерод материалов, еще одно новое требование сертификации. Этот систематический подход упрощает процесс сертификации и обеспечивает аудиторскую документацию.

Обработка сложных взаимодействий

Строительные системы взаимодействуют нелинейно. Добавление большего количества изоляции снижает нагрузку на HVAC, но также и снижает мощность необходимого теплового насоса, что, в свою очередь, изменяет оптимальное количество солнечных панелей. Целое программирование улавливает эти взаимозависимости, потому что объективная функция и ограничения могут включать в себя термины, которые связаны с переменными. Ни один эвристический или последовательный метод проектирования не может соответствовать целостной оптимизации, которую обеспечивает одна IP-модель. Это приводит к конструкциям, которые не только энергоэффективны, но и внутренне согласованы.

Проблемы применения целочисленного программирования

Вычислительная сложность

Целые задачи программирования NP-трудны в целом, что означает, что решение их для очень больших экземпляров (например, сотни тысяч целочисленных переменных) может быть непрактичным без передовых методов. Для проектирования зданий модели с несколькими сотнями целочисленных переменных обычно разрешимы в течение нескольких минут, но оптимизация всего построения, которая включает в себя почасовое планирование в течение года, может включать миллионы переменных. Подходы к декомпозиции, такие как разложение Бендеров или генерация колонок, помогают разделить проблему на управляемые подзадачи. Кроме того, многие практикующие используют эвристические методы (например, генетические алгоритмы или смоделированное отжиг) для поиска хороших, хотя и не доказуемо оптимальных, решений для очень больших моделей.

Качество данных и неопределенность

Целые модели программирования требуют точных входных данных: погодные файлы, графики заполнения, кривые эффективности оборудования, структуры скорости полезности и материальные затраты. Неопределенности в этих входах могут привести к неоптимальной производительности в реальном мире. Для решения этой проблемы надежные оптимизации и стохастические расширения программирования включают наборы неопределенности или распределения вероятностей, что делает решение устойчивым к изменениям. Однако эти расширения увеличивают размер модели и сложность.

Интеграция с инструментами моделирования

Большинство инструментов моделирования энергии (например, EnergyPlus, TRNSYS) не предназначены для встраивания в целочисленный программный решатель. Вместо этого практикующие должны создавать суррогатные модели - упрощенную регрессию или приближения нейронной сети - которые захватывают поведение здания достаточно быстро, чтобы решатель мог звонить неоднократно. Это создает компромисс между точностью и скоростью. Недавние исследования фокусируются на моделировании серого ящика, которое сочетает физику с методами, основанными на данных, улучшая точность без перегружая оптимизатор.

Будущие направления и новые тенденции

Гибридные методы: IP + машинное обучение

Перспективной областью является объединение целочисленного программирования с машинным обучением. Например, нейронная сеть может прогнозировать построение теплового ответа, а затем решатель использует это предсказуемо в объективной функции. Поскольку нейронные сети являются нелинейными (даже невыпуклыми), разрабатываются специальные методы, такие как смешанное целочисленное программирование с обученными нейронными сетями. Решитель может встраивать нейронную сеть в набор ограничений с использованием формулировок big-M, что позволяет модели использовать суррогаты высокой точности без ущерба для структуры IP.

Интеграция с информационным моделированием зданий (BIM)

BIM-платформы, такие как Autodesk Revit, содержат богатые семантические данные о геометрии здания, материалах и системах. Автоматическое извлечение соответствующих целочисленных переменных и ограничений из моделей BIM и их подачу оптимизатору могут значительно сократить ручное усилие. Ранние прототипы демонстрируют, что трубопровод BIM-MIP может генерировать, решать, а затем записывать оптимальные параметры проектирования в модель BIM, позволяя в режиме реального времени проектировать освоение космоса. Стандарты отраслевых классов фундамента (IFC) могут вскоре включать параметры оптимизации для этой цели.

Облачные реле и масштабируемость

Облачные вычисления сделали высокопроизводительные решатели доступными для небольших архитектурных и инженерных фирм. Такие сервисы, как Amazon Web Services и Google Cloud, предоставляют доступ к передовым решателям (Gurobi, CPLEX) на основе оплаты за использование. Это снижает барьер для входа. В сочетании с параллельными вычислениями модели, которые когда-то занимали часы, могут быть решены за считанные минуты, что делает целочисленное программирование возможным для ежедневного использования в конструкторских бюро.

Стандартизация и предварительно сконфигурированные модели

Для ускорения внедрения исследователи разрабатывают готовые шаблоны IP для общих типов зданий (офисы, школы, больницы). Эти шаблоны включают типичные ограничения (соответствие коду, диапазоны комфорта) и объективные функции (стоимость энергии, углерод или чистая приведенная стоимость). Пользователям нужно только вводить данные для конкретного проекта (размер, местоположение, параметры корпуса). Руководство ASHRAE и Программа коммерческих зданий Министерства энергетики опубликовали руководящие принципы, которые включают наборы параметров, удобные для оптимизации, прокладывая путь для более широкого использования.

Практические шаги по внедрению целочисленного программирования в ваш проект

  1. Определите область применения — Какие системы будут оптимизированы? Начните с размера HVAC и возобновляемой генерации, а затем расширьте до оболочки и элементов управления.
  2. Сбор данных — сбор погодных файлов (TMY3), тарифов на коммунальные услуги, каталогов оборудования (включая кривые частичной загрузки) и затрат на строительство.
  3. Выберите решатель — Для небольших моделей (менее 500 целочисленных переменных) достаточно решений с открытым исходным кодом, таких как HiGHS или SCIP. Для более крупных моделей коммерческие решатели (Gurobi, CPLEX) обеспечивают лучшую производительность.
  4. Формулируйте модель — записывайте переменные решения, объективную функцию и ограничения. Используйте бинарные переменные для решений да/нет и общее целое число для подсчетов. Проверяйте с помощью простого тестового случая.
  5. Решите и интерпретируйте — Запустите решатель, проверьте разрыв оптимальности. Если разрыв большой, добавьте допустимые неравенства или используйте эвристику, чтобы разогреть решатель.
  6. Итерация — Уточнить модель на основе анализа чувствительности. Например, запуск модели без ограничения целых чисел (LP релаксация) показывает, где находится непрерывное решение; это может выделить, какие целые решения наиболее важны.

Вывод: жизненно важный инструмент для устойчивого проектирования зданий

Целое программирование трансформирует подход дизайнеров к энергоэффективным зданиям. Явно представляя дискретный выбор, оно отражает реальный характер строительных решений - вы выбираете целые числа компонентов, а не фракции. Метод обеспечивает проекты, которые дешевле в эксплуатации, ниже в углероде и более удобны для пассажиров. В то время как вычислительные проблемы остаются, достижения в алгоритмах, облачных вычислениях и интеграции BIM делают IP доступным для более широкого сообщества. Поскольку строительная индустрия продвигается к зданиям с нулевым и положительным энергопотреблением, целое программирование станет стандартным инструментом, как энергетическое моделирование, помогая инженерам и архитекторам принимать математически строгие, энергетически умные решения на каждом этапе проектирования.

Внешние ссылки